Ingénieure Agroalimentaire et Data Scientist Freelance

Accompagnement des sites industriels dans la valorisation de leurs données (qualité, production, marketing, R&D, maintenance, RH) pour optimiser temps, coûts et rendements.

• Conception et proposition de solutions analytiques sur mesure adaptées aux enjeux spécifiques des lignes de production.
• Développement d'outils pragmatiques s'intégrant naturellement dans le quotidien des responsables, ingénieurs et techniciens.
• Mobilisation d'une double compétence d'Ingénieure Agroalimentaire et Data Scientist pour traduire les besoins terrain en solutions opérationnelles.

Contexte : Au sein d'un centre Sensory & Consumer, mobilisation d'une double compétence d'Ingénieure Agroalimentaire et de Data Scientist pour optimiser l'exploitation des données issues d'études consommateurs et d'analyses sensorielles. Objectif : Création d'outils technologiques sur mesure pour faciliter le quotidien des techniciens d'analyses sensorielles Mission 1 – Automatisation des processus métiers Développement d'une interface logicielle Shiny visant à générer automatiquement des rapports de synthèse complexes au format Word et PDF (contenant texte, tableaux, graphiques, images) pour faire gagner du temps aux équipes opérationnelles

• Traduction du cahier des charges client en spécifications techniques via des entretiens utilisateurs
• Développement, amélioration et déploiement de l'application R Shiny sur AWS
• Optimisation de l'expérience utilisateur (UX) : simplification de l'interface, alertes visuelles et feedback
• Sécurisation du code via la mise en place du versioning (Git) et rédaction de la documentation utilisateur
• Mission 2 – IA Générative appliquée à la Sensométrie
• Étude exploratoire sur l'utilisation des LLM et de l'analyse de données textuelles pour décrypter les retours (verbatims) consommateurs et orienter la formulation des produits
• Constitution d'une base de données métier et veille scientifique sur l'annotation de données textuelles
• Développement de scripts Python (Google Colab) pour évaluer et comparer différents LLMs (OpenAI, Google Generative AI)
• Création de requêtes avancées (prompt engineering) adaptées au vocabulaire spécifique de l'industrie agroalimentaire
• Évaluation des performances via des métriques NLP et rédaction d'un rapport de synthèse pour contribuer aux processus décisionnels (POC)
• Stack technique : R, Shiny, Python, Git, OpenAI, Google Generative AI, Google Colab, AWS, Traitement Automatique du Langage Naturel (TALN / NLP)

Intégration d'une biscuiterie de rayonnement international pour optimiser la gestion de la qualité et la sécurisation des approvisionnements en matières premières selon les exigences de conformité internationales, en adoptant une approche data-driven.

• Structuration et gestion des bases de données Qualité pour améliorer la traçabilité des matières premières et fluidifier les audits internes.
• Conception d'outils d'aide à la décision : fichiers Excel interactifs modélisant des arbres de décision automatisés pour évaluer les risques fournisseurs selon les critères stricts de la norme IFS.
• Développement d'un outil spécifique d'évaluation du risque d'authenticité et de vulnérabilité des matières premières.
• Création de questionnaires fournisseurs, matières premières et emballages intégrant les dernières exigences réglementaires européennes.
• Assurance de la mise en conformité réglementaire et facilitation des vérifications auprès des fournisseurs.

Participation à un projet d'amélioration des pratiques d'hygiène et du flux de circulation dans une laiterie industrielle, incluant audits qualité, analyse de risques et animation de la démarche d'amélioration continue.

• Réalisation d'audits internes et participation à l'audit IFS Food V7 complet.
• Création d'affiches de non-conformités destinées aux opérateurs expliquant les écarts, les risques associés et les bonnes pratiques.
• Participation aux réunions de gestion de projet : brainstorming, cadrage, définition des problématiques, livrables et jalons.
• Analyse du flux de circulation par observations terrain et enquêtes auprès des équipes opérationnelles pour identifier les zones critiques.
• Conception d'une matrice d'évaluation du niveau de risque liée aux flux de circulation.
• Contact avec des prestataires externes, demandes de devis et analyse des propositions pour comparer les solutions.
• Communication et collaboration avec les équipes terrain pour assurer la compréhension et l'appropriation des recommandations.